에이전트 대 에이전트 프로토콜 (A2A), 왜 중요한지 명확하게 설명

David Ondrej 구독자 277,000명

요약

이 영상은 구글이 개발한 A2A 프로토콜의 개념과 그 중요성을 상세히 설명합니다. 다양한 프레임워크와 회사에서 운영되는 AI 에이전트간의 효율적인 소통을 위한 표준 언어로서 A2A의 역할을 강조합니다. 또한, A2A와 MCP 프로토콜의 차이점과 상호 보완적 특성을 비교하며, 실제 개발 환경에서 GitHub 리포지토리 클론, Conda 환경 구축, API 키 설정 등을 통한 구현 과정을 보여줍니다. 최종적으로 A2A가 미래 AI 생태계에서 얼마나 혁신적인 역할을 할지에 대한 전망을 제시합니다.

주요 키워드

A2A MCP 에이전트 프로토콜 JSON HTTP Google 개발 UI 클론

하이라이트

🔑 A2A 프로토콜은 AI 에이전트 간의 통합된 의사소통을 가능하게 하여, 다양한 플랫폼과 도구를 하나의 표준으로 연결합니다.
⚡️ MCP와 A2A는 경쟁 관계가 아니라 상호 보완 관계로, 하나는 데이터와 도구 연결을, 다른 하나는 에이전트 간 직접 소통을 담당합니다.
🌟 에이전트 카드, A2A 서버, 클라이언트, 그리고 태스크라는 네 가지 핵심 개념을 이해하면, 복잡한 시스템 구성도 한층 쉽게 다룰 수 있습니다.
🚀 영상에서는 GitHub 리포지토리 클론, Conda 환경 설정, 패키지 설치 등 실습 단계를 통해 실제 개발 과정을 상세히 안내합니다.
📌 데모 UI를 통해 로컬에서 실행 중인 에이전트들이 실시간으로 소통하는 모습을 확인할 수 있으며, 이는 미래 AI 에이전트 생태계의 핵심으로 자리잡을 전망입니다.
🌐 A2A 프로토콜의 도입은 개발자에게 경쟁 우위를 제공하며, 초기부터 이를 숙지하면 미래 기술 발전에 큰 도움이 됩니다.

용어 설명

A2A (Agent-to-Agent) 프로토콜

구글에서 개발한 표준 프로토콜로, 다양한 AI 에이전트들이 일관된 방식으로 서로 통신할 수 있도록 지원합니다.

MCP (Model Context Protocol)

AI 에이전트가 외부 도구와 데이터를 손쉽게 연결할 수 있도록 도와주는 프로토콜로, A2A와 상호 보완적인 역할을 합니다.

에이전트 카드

각 에이전트의 정체와 역할, 통신 방법 등을 JSON 형식으로 표현한 일종의 '비즈니스 카드'입니다.

HTTP 엔드포인트

에이전트가 외부와 통신하기 위해 제공하는 URL 인터페이스로, 간단한 HTTP 요청을 통해 메시지를 주고받습니다.

JSON card

에이전트 카드와 유사하게 에이전트의 정보를 담은 JSON 파일로, 에이전트의 기능 및 관련 정보를 자동으로 전달합니다.

영상은 A2A 프로토콜의 정의와 필요성을 소개하며, 여러 AI 에이전트 간의 소통 문제를 해결하기 위한 구글의 혁신적인 접근법을 설명합니다.

[00:00] 데이비드 안드레가 A2A 프로토콜에 대해 소개하며, 이것이 구글이 출시한 새로운 에이전트 간 통신 표준임을 설명합니다.

[00:17] A2A가 산재해 있는 AI 에이전트들의 통신 문제를 해결하고, 이것이 AI 에이전트의 미래가 될 것이라고 강조합니다.

A2A는 에이전트 간 직접 통신에 중점을 두고, MCP는 도구와 데이터 연결에 초점을 맞춥니다. 두 프로토콜은 경쟁이 아닌 상호 보완적 관계를 이룹니다.

[00:32] A2A 프로토콜의 기본 구조를 설명하며, 이를 통해 서로 다른 플랫폼의 AI 에이전트들이 쉽게 통신할 수 있다고 설명합니다.

[01:17] A2A를 AI 에이전트들의 공통 언어로 비유하며, 간단한 HTTP 엔드포인트와 JSON 카드만으로 구현 가능함을 설명합니다.

[01:46] 구글이 개발한 A2A 프로토콜에 여러 기업들이 참여하고 있으며, MCP와의 차이점을 설명하기 시작합니다.

[02:36] A2A 프로토콜은 AI 에이전트들 간의 통신을 가능하게 하며, MCP 프로토콜과 상호 보완적으로 작동하여 에이전트 구축과 배포를 용이하게 합니다.

[02:58] MCP와 A2A의 통합 구조를 시각적으로 설명하며, AI 에이전트가 MCP 클라이언트를 통해 다양한 도구와 리소스에 접근할 수 있음을 보여줍니다.

[03:48] A2A의 첫 번째 핵심 개념인 에이전트 카드는 JSON 형식으로 작성된 에이전트의 신분증 같은 것으로, 에이전트의 정체성과 기능을 정의합니다.

[04:07] A2A 서버는 실시간으로 작동하는 봇으로, 요청을 처리하고 결과를 반환하는 핵심 엔진 역할을 합니다.

[04:26] A2A 클라이언트는 사용자나 시스템과 에이전트 사이의 중개자 역할을 하며, 마지막으로 A2A 태스크는 에이전트에게 할당되는 개별 작업 단위를 의미합니다.

에이전트 카드, A2A 서버, 클라이언트, 그리고 태스크라는 네 가지 핵심 개념이 소개되며, 각 요소가 에이전트 간 원활한 소통에 어떻게 기여하는지 설명됩니다.

[05:08] A2A 프로토콜은 AI 에이전트의 모든 작업과 프롬프트를 추적하고 관리하는 통일된 방법을 제공합니다.

[05:16] 이는 AI 에이전트 분야의 중요한 breakthrough이지만, 복잡성 때문에 아직 주목받지 못하고 있습니다.

[05:35] TCP/IP가 인터넷의 기반이 된 것처럼, A2A는 AI 에이전트 통신의 새로운 표준이 될 것입니다.

GitHub 리포지토리 클론, Conda 환경 활성화, 패키지 설치 등의 실습 과정을 통해 A2A 프로토콜 기반 AI 에이전트 개발의 첫 단계를 시연합니다.

[05:53] A2A B2B MCP AI 에이전트 시스템의 구조와 작동 방식에 대한 설명이 시작됩니다.

[06:20] A2A는 에이전트 간 통신, B2B는 기업 간 거래, MCP는 도구와 데이터 접근을 위한 프로토콜입니다.

[06:48] A2A 프로토콜을 통해 기업들은 24/7 자동화된 AI 에이전트 통신으로 업무 효율을 높일 수 있습니다.

[07:11] 이것이 비즈니스와 AI 에이전트의 미래가 될 것이며, 이를 이해하고 준비하는 것이 중요합니다.

[07:29] 구글이 방금 출시한 오픈소스 저장소 A2A가 12,000개 이상의 스타를 받으며 큰 인기를 얻고 있습니다.

[07:44] A2A 저장소를 로컬 환경에 클론하고 개발 환경을 설정하는 기본적인 과정을 설명합니다.

[08:36] AI 생산성 도구인 Vectal이 소개되며, 백그라운드 에이전트 기능을 통해 자동화된 작업 처리가 가능함을 설명합니다.

[09:08] Vectal Pro의 장점과 최신 AI 모델 접근성에 대해 설명하고, 기존 생산성 앱과의 차별점을 강조합니다.

[09:45] conda 환경 설정 방법과 ChatGPT를 활용한 문제 해결 방법에 대해 안내합니다.

[10:04] GPT-4 모델 사용법을 소개하며, 월 20달러의 플러스 요금제로도 GPT-4와 모든 도구를 사용할 수 있다는 점을 설명합니다.

API 키 설정과 함께 각 에이전트를 실행한 후, 구글이 제공한 UI를 통해 에이전트 간의 상호 작용과 데모를 확인할 수 있습니다.

[10:24] conda 환경 설정과 터미널 사용법을 소개하고, uv 패키지 매니저 설치 방법을 설명합니다.

[10:59] 구글이 제공하는 A2A 호환 샘플 AI 에이전트들을 살펴보고, Crew AI와 Google ADK 프레임워크를 소개합니다.

[11:34] cursor를 사용하여 에이전트 파일을 수정하고, 컨텍스트에 파일을 추가하는 방법을 설명합니다.

[12:01] 두 에이전트의 프롬프트를 각각 간결한 응답과 상세한 추론을 제공하도록 업데이트할 계획을 설명합니다.

[12:22] A2A 프로토콜의 중요성을 강조하며, 프레임워크 선택보다 A2A 호환성이 더 중요하다는 점을 설명합니다.

[12:54] Gemini가 프롬프트 업데이트에 실패하여 Claude 3.7 Max로 전환하기로 결정했습니다.

[13:34] 필요한 패키지가 모두 설치되어 있어서 samples/python-agent-ci 폴더로 이동하여 작업을 진행합니다.

[13:51] Google AI Studio에서 API 키를 생성하는 과정을 설명하며, API 키의 보안 중요성을 강조합니다.

[14:24] 환경 변수 설정을 위해 .env 파일을 생성하고 API 키를 등록하는 두 가지 방법을 설명합니다.

[14:58] Create 에이전트를 시작하고, 동시에 새 터미널에서 Google AD 에이전트를 설정하기 시작합니다.

[15:42] 환경 설정 파일을 수동으로 추가한 후 UV run 명령어로 Google ADK 에이전트를 시작했습니다.

[15:54] CA 에이전트와 Google ADK 에이전트가 모두 실행되어 로컬호스트에서 테스트할 수 있게 되었습니다.

[16:08] well-known/agent.json을 통해 이미지 생성기와 환급 처리 에이전트의 설명을 확인했습니다.

[16:27] 이 데모는 어떤 AI 에이전트든 이 프로토콜을 사용해 서로 통신할 수 있음을 보여줍니다.

[16:38] 데모 UI를 설정하고 Google이 제공한 사용자 인터페이스를 구성했습니다.

[17:07] 필요한 패키지를 설치하고 API 키를 설정하여 Python UI를 실행했습니다.

[17:38] Google의 UI는 단순하지만 불안정한 면이 있어 개선이 필요해 보입니다.

[18:33] A2A 프로토콜이 이제 막 출시되었으며, 에이전트 분야의 혼란을 해결하기 위해 필요한 표준이라고 설명합니다.

[18:57] 두 개의 에이전트(이미지 생성기와 환급 에이전트)를 시스템에 추가하고 설정하는 과정을 보여줍니다.

[19:24] 추가된 에이전트들을 테스트하며, 이 데모가 단순하지만 A2A 프로토콜의 개념을 이해하는 데 중점을 둔다고 설명합니다.

[19:51] 다른 튜토리얼과 달리 실제 구현 과정과 문제 해결 방법을 보여주는 것이 이 영상의 차별점임을 강조합니다.

[20:14] HTTP 요청 주기 조정과 같은 기술적 최적화 방법을 설명하고, A2A 프로토콜의 향후 발전 가능성을 논합니다.

[20:57] 다양한 프레임워크(CI, Google SDK)에서 실행되는 에이전트들이 A2A 프로토콜을 통해 통신할 수 있다는 핵심 장점을 강조합니다.

A2A 프로토콜의 발전 가능성을 논의하며, 향후 AI 에이전트 생태계의 변화와 기술 발전 방향에 대한 기대감을 전달합니다.

[21:15] A2A 프로토콜은 OpenAI Agents SDK, 스웜 등 다양한 도구와 연결할 수 있으며, 자세한 내용은 구글의 공식 문서를 참고하라고 안내합니다.

[21:35] 현재는 에이전트 카드, A2A 서버, 클라이언트, 태스크의 기본 개념만 다뤘지만, 더 많은 고급 개념이 있음을 설명합니다.

[21:51] A2A 프로토콜이 이제 막 시작 단계이며, 앞으로 UI와 사용성이 더욱 개선될 것이라는 전망을 제시합니다.

[22:15] MCP와 같이 새로운 기술의 조기 도입자들이 얻는 이점을 설명하며, A2A도 같은 맥락에서 중요한 기술이 될 것임을 강조합니다.

[22:37] 태스크 관리를 위한 Vectal 서비스를 소개하고, 최고의 AI 모델을 활용한 기능들과 무료/프로 버전의 특징을 설명합니다.

[00:00] 제 이름은 데이비드 안드레이고

[00:01] A2A 프로토콜에 대해

[00:03] 알아야 할 모든 것을 설명해드리겠습니다. A2A가 무엇일까요?

[00:06] 이것은 구글이 출시한 새로운 표준인

[00:08] 에이전트 투 에이전트 프로토콜입니다.

[00:10] AI 에이전트와 관련된 큰 문제는

[00:12] 이들이 산재해 있다는 점입니다.

[00:13] 서로 다른 프레임워크, 회사, API,

[00:15] 도구들이 그냥 도처에 있죠.

[00:17] A2A가 이 문제를 해결합니다. 이것이 AI

[00:19] 에이전트의 미래입니다.

[00:21] 이 영상에서 A2A가 무엇이고 어떻게 사용하는지 보여드리겠습니다.

[00:24] 잠깐 말씀드리면, 저는 현재

[00:25] Vectal 개발을 도와줄 백엔드

[00:27] 개발자를 구하고 있습니다. 5년 이상

[00:28] 경력자라면, 영상 아래 링크를 통해

[00:30] 지원해주세요. 자, 이제 A2A 프로토콜을

[00:32] 시각적으로 이해하기 쉽게 설명해드리겠습니다.

[00:34] 여기 사용자인 우리가 있고, 이것이

[00:36] 우리의 메인 AI 에이전트입니다.

[00:38] 예를 들어 여러분의 앱을 위해 만든 것이죠.

[00:40] A2A를 통해 이 클라이언트 에이전트는

[00:43] 어떤 원격 에이전트와도 쉽게 통신할 수 있습니다.

[00:45] 다른 회사, 다른 도구,

[00:47] 다른 프레임워크든 상관없습니다.

[00:48] 에이전트들이 A2A 프로토콜과 호환된다면,

[00:50] 모두가 서로 쉽고 빠르게

[00:52] 통신할 수 있습니다.

[00:54] 이것이 미래의 핵심 기술이 될 것이라고

[00:56] 믿는 이유를 설명하겠습니다.

[00:57] 모두가 저에게 '데이비드, 다음 큰 트렌드가

[01:00] 무엇이냐'고 묻습니다. A2A가 바로 그것입니다.

[01:02] 이 프로토콜의 작동 방식을 배우면

[01:03] 다른 사람들보다 엄청난

[01:05] 이점을 얻을 수 있습니다.

[01:07] 대부분의 사람들은 아직도 MCP가

[01:09] 무엇이고 어떻게 사용하는지도 모릅니다.

[01:11] 그래서 A2A의 작동 방식을 이해하면

[01:13] 쉽게 AI 분야 상위 1%에 들 수 있습니다.

[01:16] 끝까지 시청해주세요.

[01:17] A2A는 AI 에이전트들의 공통 언어라고 생각하면 됩니다.

[01:20] 영어가 전 세계 사람들이

[01:22] 쉽게 소통할 수 있게 해주는 것처럼

[01:24] A2A는 서로 다른 코드, 프레임워크,

[01:26] 회사의 AI 에이전트들이

[01:28] 서로 소통할 수 있게 해줍니다.

[01:30] 그리고 설정도 매우 간단합니다.

[01:32] 각 에이전트는 단순히 하나의 HTTP

[01:34] 엔드포인트와 작은 JSON 카드만

[01:36] 노출하면 됩니다. 기본적으로 A2A는 여러분이 만든

[01:39] AI 에이전트를 이전보다 100배 더 확장 가능하고

[01:42] 미래 지향적으로 만듭니다.

[01:44] 미래를 살짝 엿보자면,

[01:46] 에이전트 투 에이전트 프로토콜에

[01:48] 기여하는 모든 회사들이 있습니다.

[01:50] 이 프로토콜은 구글이 개발했죠.

[01:51] 새로운 AI 에이전트를 만들고

[01:53] A2A 프로토콜과 호환되게 만들었다고 합시다.

[01:55] 여러분의 에이전트는 제트브레인스나 코히어,

[01:57] 디오이드를 호출하여 그들의 AI 에이전트를

[02:00] 활용하고 그들이 만든 AI 에이전트를

[02:02] 활용할 수 있습니다.

[02:05] 이 프로토콜이 아직 초기 단계지만,

[02:06] 이것이 얼마나 강력해질지는

[02:08] 상상하는 것은 어렵지 않습니다.

[02:11] 이제 A2A가 MCP와 어떻게 다른지

[02:14] 설명하겠습니다. MCP는 도구와 데이터를

[02:17] AI 에이전트에 연결하는 것을

[02:19] 훨씬 쉽게 만듭니다. 여기

[02:21] MCP의 예시가 있습니다. 소스

[02:23] 에이전트가 있고, MCP 서버가 있으며,

[02:25] 여러 다른 도구들이 있습니다.

[02:27] 데이터베이스일 수도 있고, 모든 종류의

[02:28] API, 웹, 무엇이든 될 수 있죠. MCP는

[02:31] 도구와 데이터 연결을 쉽게 만들어주고,

[02:34] 반면에 A2A는

[02:36] 에이전트를 다른 에이전트와

[02:38] 연결하는 것입니다. 여기 당신의 AI

[02:40] 에이전트가 있고, 중간에는

[02:42] A2A 프로토콜이 있어서 에이전트가

[02:44] 이 프로토콜을 사용하는 다른 모든 에이전트와

[02:47] 통신할 수 있게 해줍니다. 여기서 중요한 점은

[02:49] 이 두 프로토콜 A2A와 MCP가

[02:51] 서로 경쟁 관계가 아니라는 것입니다.

[02:54] 오히려 서로를 매우 잘 보완하며

[02:56] 에이전트 구축과 배포를 쉽게 만듭니다.

[02:58] 여기 MCP와 A2A가 어떻게

[03:00] 함께 작동하는지 보여주는 또 다른 시각자료가 있습니다.

[03:03] 이 훌륭한 그래픽을 만든

[03:04] 분들께 감사드립니다.

[03:05] 여기 보시는 것처럼 에이전트가 있고

[03:07] 다시 말씀드리자면, 메인 AI 에이전트가

[03:09] A2A 프로토콜을 사용하여

[03:12] 다른 AI 에이전트들과 연결됩니다. 현재

[03:14] 중앙에는 MCP 서버가 있어

[03:15] AI 에이전트가 MCP 클라이언트를 통해

[03:17] 모든 종류의 프롬프트, 리소스,

[03:20] 도구, 그리고 MCP와 호환되는

[03:22] 모든 것을 사용할 수 있습니다.

[03:24] 이 애니메이션을 보면

[03:25] AI 에이전트를 MCP나 A2A 같은

[03:28] 프로토콜과 호환되게 만드는 것이

[03:30] 얼마나 강력하고 유용한지 알 수 있습니다.

[03:32] 참고로, A2A 프로토콜에 대한

[03:34] 영상을 더 보고 싶으시다면

[03:36] 구독해 주세요. 현재 시청자의 21%만

[03:38] 구독하고 계십니다. 영상 아래의

[03:40] 구독 버튼을 눌러주세요.

[03:41] 큰 도움이 됩니다.

[03:43] 자, 이제 A2A를

[03:44] 제대로 이해하기 위해서는 네 가지 개념을

[03:47] 알아야 합니다.

[03:48] 첫 번째는 에이전트 카드입니다.

[03:50] 이것은 JSON으로 작성된

[03:53] 에이전트의 명함이라고 생각하면 됩니다.

[03:54] JavaScript 객체 표기법인 JSON으로

[03:56] 에이전트가 누구이고, 무엇을 할 수 있으며

[03:59] 어디서 어떻게 대화할 수 있는지 알려줍니다.

[04:02] 에이전트 카드를 통해 앱이

[04:03] 작업에 적합한 에이전트를

[04:06] 자동으로 찾을 수 있습니다. 두 번째로

[04:07] 이해해야 할 개념은 A2A 서버입니다.

[04:10] 이는 네트워크에서 실행되는

[04:12] 실시간 봇입니다. 들어오는 요청을

[04:14] 수신하고 작업을 수행한 다음

[04:16] 결과를 반환하거나 필요한 경우

[04:18] 후속 질문을 합니다. A2A 서버는

[04:20] 일관되고 예측 가능한 방식으로

[04:22] 명령을 처리하는

[04:24] 엔진이라고 생각하면 됩니다.

[04:26] 세 번째 핵심 개념은 A2A 클라이언트입니다.

[04:28] 이는 프로그램이나 다른 에이전트가 될 수 있으며

[04:30] 작업 수행을 원할 때 사용합니다. A2A 클라이언트는

[04:32] 에이전트 카드를 읽고 요청을

[04:34] 태스크로 패키징하여 전송하고

[04:37] 응답을 수집합니다. 기본적으로 A2A

[04:39] 클라이언트는 사용자나 시스템과

[04:41] 에이전트 사이의 다리 역할을 합니다.

[04:43] 따라서 각 에이전트마다

[04:45] 커스텀 코드를 작성할 필요가 없으며

[04:47] 이것이 바로 모두가 사용하는 통일된

[04:49] 표준을 가진 핵심 아이디어입니다.

[04:51] 구현하기 전에

[04:52] 알아야 할 개념이 하나 더 있는데

[04:54] 바로 A2A 태스크입니다. 걱정 마세요.

[04:56] 이것이 가장 간단합니다. 태스크는

[04:58] 에이전트에게 맡기는

[05:00] 하나의 할 일입니다. 이는

[05:01] 전체 생명주기 동안 요청을 처리합니다.

[05:03] 제출, 진행 중, 완료 상태를 거치죠. A2A

[05:06] 태스크는 깔끔하고 통일된 방식으로

[05:08] 모든 작은 작업과 에이전트에게 주는

[05:11] 모든 프롬프트를 추적하고 관리하는

[05:13] 깔끔하고 통일된 방법을 제공합니다. 우리가

[05:14] 적절한 시기와 장소에 있다고 생각하는 이유는,

[05:16] 이미 눈치채셨겠지만, 이것이 AI 에이전트

[05:18] 분야에서 큰 breakthrough라는 점입니다.

[05:20] 하지만 아무도 이것에 대해 이야기하지 않죠.

[05:22] 왜일까요? 화려하지 않기 때문입니다.

[05:24] 바이브 코딩도 아니고, 단 하나의

[05:25] 프롬프트로 멋진 웹사이트를 만드는 것도

[05:27] 아닙니다. 조금 더 복잡하죠.

[05:29] 하지만 그렇기 때문에 이것을 배우면

[05:31] 더 큰 이점을 얻을 수 있습니다. 경쟁이

[05:33] 그만큼 적기 때문이죠. 이해를 돕기 위해

[05:35] 비유하자면, TCP/IP 프로토콜, 즉

[05:37] 현재 인터넷이 구동되는 모든 기반이 되는

[05:40] 프로토콜이 처음 나왔을 때

[05:41] 그것에 대해 읽는 것과 같은 상황입니다.

[05:44] 바로 지금이 A2A가 나온 그 주입니다.

[05:46] 자, 이제 만들어보도록 하겠습니다.

[05:48] 여기 GitHub 레포지토리가 있는데,

[05:50] 물론 아래에 링크를 달아두겠습니다. 제가

[05:52] 이 영상에서 만들고 보여드리려는 것은

[05:53] A2A B2B MCP AI 에이전트입니다.

[05:57] 제가 그냥 말장난을 하는 것 같지만

[06:00] 아닙니다. 이것은 실제 용어이며,

[06:01] 제가 직접 그린 이 멋진 그래픽으로

[06:03] 설명해드리겠습니다. 참고로

[06:05] 이 작품은 저작권이 있습니다. 따라서

[06:07] 이걸 훔치면 고소당하실 겁니다.

[06:08] 어쨌든, 색상 코딩이 보이시죠?

[06:10] A2A는 에이전트 투 에이전트 프로토콜의

[06:12] 약자입니다. 이것은 서로 다른 AI

[06:13] 에이전트들이 서로 통신하는

[06:15] 방식입니다. B2B는

[06:16] 기업 간 거래를 의미합니다. 이는 단순히

[06:18] 다른 기업에 판매되는 제품이나

[06:20] 서비스를 말합니다. 여기서 보시면

[06:22] 사각형들은 서로 다른 회사,

[06:24] 다른 기업들을 나타냅니다. MCP는

[06:26] 모델 컨텍스트 프로토콜을 의미합니다. 이것은

[06:28] AI 에이전트가 다른 도구들과 데이터에

[06:30] 쉽게 접근할 수 있게 해줍니다. 제 그래픽에서

[06:32] 초록색은 AI 에이전트를 나타냅니다.

[06:34] 이 원들은 각 회사 내의 서로 다른

[06:36] 에이전트들입니다. 보시다시피

[06:38] 각 에이전트는 서로 다른 MCP,

[06:40] 즉 다른 도구들에 접근할 수 있습니다. A2A

[06:42] 프로토콜 덕분에, 이 모든 기업들은

[06:45] 자신들의 AI 에이전트를 통해 서로

[06:46] 통신할 수 있습니다. 따라서

[06:48] 이메일과 같은 느리고 구식인 방법 대신

[06:50] (사람들은 9시부터 5시까지만 응답하고

[06:53] 주말에는 전혀 응답하지 않죠),

[06:55] AI 에이전트를 24/7 가동하여

[06:57] 다른 회사의 에이전트들과

[06:59] 소통할 수 있습니다. 만약 귀사가

[07:01] 다른 회사와 프로젝트를 진행하고 있고

[07:02] 양쪽 모두 A2A 프로토콜의 AI 에이전트를 가지고 있다면,

[07:05] 화장실에 있거나 해변에서

[07:07] 쉬고 있을 때도 일을 진행할 수

[07:08] 있습니다. 심지어 상대 회사의 CEO가

[07:10] 해변에서 쉬고 있을 때도 말이죠.

[07:11] 이것이 미래의 모습입니다.

[07:13] 대부분의 사람들은 이해하지 못합니다.

[07:15] 대부분은 이를 무시하고

[07:16] 넷플릭스나 봅니다. 하지만 정말로

[07:18] 이것에 대해 생각해보면, 오늘

[07:19] 산책하면서 깊이 생각해보세요.

[07:21] 비즈니스의 미래와 AI 에이전트의

[07:22] 미래가 어떤 모습일지

[07:24] 이런 모습일 것입니다.

[07:26] 자, 이제 이 A2A 레포지토리로

[07:27] 시작해보겠습니다. 다시 말씀드리지만

[07:29] 이것은 구글의 오픈소스 저장소입니다.

[07:31] 방금 출시되었는데도

[07:33] 이미 12,000개 이상의 스타를 받았다는 것은

[07:36] 엄청나게 빠르게 인기를 얻고 있다는 뜻이죠.

[07:37] 이제 제가 보여드리겠습니다.

[07:39] A2A 프로토콜을 사용해서 여러분만의 AI 에이전트를

[07:41] 어떻게 만들 수 있는지 설명하겠습니다.

[07:44] 자, 커서로 전환하겠습니다.

[07:45] 윈도우나 VS 코드 아무거나 사용하셔도 됩니다.

[07:47] 빈 폴더를 하나 열어보겠습니다. 제가 만든

[07:49] 'code'라는 빈 폴더가 여기 있네요.

[07:51] 자, 이제 첫 번째로 해야 할 일은

[07:53] 저장소를 클론하는 것입니다.

[07:54] 맥을 사용하시는 분은 커맨드 J를,

[07:56] 윈도우는 컨트롤 J를 누르거나

[07:59] 터미널에서 새 터미널을 클릭하세요.

[08:01] 기본적으로 터미널을 열어야 합니다.

[08:02] 저장소로 돌아가서

[08:04] 이 저장소를 클론해야 합니다. 코드를 클릭하고 클론을 선택하세요.

[08:07] 코드를 클릭하고 이 URL을 복사하세요.

[08:10] 다시 커서로 돌아와서 git clone을 입력하고

[08:12] URL을 붙여넣기 하세요. 자, 이제

[08:14] 전체 저장소가 로컬 환경에

[08:16] 클론될 것입니다. 오른쪽을 보면

[08:18] 폴더가 보이는데, 실제로는

[08:19] 왼쪽에서 보실 수 있습니다. A2A 폴더를 열면

[08:21] 저장소의 모든 내용이 여기 있습니다.

[08:23] 모든 폴더와 파일이

[08:25] 동일하게 있어야 합니다.

[08:27] 좋습니다. 터미널을 정리하기 위해 clear를 입력하고

[08:28] 다음 단계로 넘어가겠습니다.

[08:30] A2A 폴더로 이동해야 합니다. cd A2A를 입력하세요.

[08:33] 잠깐 말씀드리자면, AI 최신 동향을

[08:36] 따라가고 싶으시다면

[08:38] Vectal을 꼭 사용해보세요. Vectal은

[08:40] 올인원 생산성 앱으로

[08:42] 실제로 시간을 절약해줍니다. 예를 들어,

[08:44] 우리가 새로 추가한

[08:45] 백그라운드 에이전트 기능이 있습니다.

[08:47] 작업을 시작하고 싶을 때

[08:48] Vectal 에이전트를 활성화하기만 하면

[08:50] AI 에이전트가 바로 시작됩니다.

[08:52] 추론하고, 웹을 검색하고,

[08:54] 여러분의 작업을 자동으로 처리하며

[08:56] 백그라운드에서 독립적으로

[08:58] 작동합니다. 그리고

[09:00] Vectal Pro를 사용하시면,

[09:02] 목록의 모든 작업에 대해 이 에이전트를 활성화할 수 있습니다.

[09:04] 작업 수에 상관없이 말이죠.

[09:06] 게다가 Vectal Pro 사용자는

[09:08] 현재 사용 가능한 모든 최신 AI 모델에 접근할 수 있습니다.

[09:10] 대부분의 사람들이 아직도 구식

[09:13] 생산성 앱인 ClickUp이나

[09:15] To-Doist를 사용하는 동안,

[09:17] 미래를 내다보고 초생산적이 되고 싶은 사람들은

[09:19] 빠르게 Vectal로 전환하고 있습니다.

[09:21] vectal.ai에 방문해서 한번 사용해보세요.

[09:23] 다시는 뒤돌아보지 않으실 겁니다. 다음으로,

[09:26] conda 환경을 활성화해야 합니다.

[09:27] 제가 가진 환경 목록을 확인해보겠습니다.

[09:29] 저는 이미 A2A용 환경이 있지만,

[09:31] 여러분이 없다면,

[09:33] 새로운 conda 환경을 어떻게 만드는지 물어보시면 됩니다.

[09:37] 자, conda activate A2A를 입력하겠습니다.

[09:41] 좋습니다. clear를 입력해서 정리하구요.

[09:45] 네, 이렇게 하면

[09:46] conda 환경이 만들어집니다. 아주 쉽죠.

[09:48] conda 설치 방법을 모르신다면

[09:50] 이 영상의 어느 시점에서든 적용 가능합니다.

[09:52] 어느 부분에서 막히시거나

[09:54] 이해가 안 되는 부분이 있다면,

[09:56] 스크린샷을 찍어서 ChatGPT에게 물어보세요.

[09:58] 사실 제가 보여드리려고 합니다.

[10:00] 새로운 GPT-4 모델로 작업하는 방법을

[10:02] 새로운 GPT-4가 정말 대단하거든요.

[10:04] GPT-4와 함께 일하는 방법을 보여드리겠습니다.

[10:07] GPT-4에 접근할 수 있다는 게

[10:09] 불법처럼 느껴질 정도로 대단한데요.

[10:12] 월 20달러면 사용할 수 있습니다.

[10:14] 물론 저는 프로 요금제로 200달러를 내고 있지만

[10:16] 플러스 요금제로도 GPT-4와 모든 도구들을

[10:18] 사용할 수 있다는 게 정말 놀랍습니다.

[10:20] 자, 이제 A2A에 집중해보겠습니다.

[10:24] 터미널을 다시 열어보죠.

[10:26] conda 환경에 있네요. 좋습니다.

[10:27] 확인하는 방법을 알려드리자면

[10:29] 파이썬 파일을 열고

[10:32] 오른쪽 하단에서

[10:34] conda 환경이 활성화되어 있는지 확인하세요.

[10:36] 그러면 생성하는 모든 터미널이

[10:39] 이 환경에서 실행됩니다.

[10:41] A2A에서는 이게 중요합니다.

[10:43] A2A를 다시 살펴보고

[10:45] 다음으로 'conda install -c conda-forge uv' 명령어를 실행해야 합니다.

[10:49] uv는 pip보다 훨씬 빠른 파이썬 패키지 매니저입니다.

[10:52] 이 영상에서 이것을 사용할 겁니다.

[10:55] 이게 설치되는 동안

[10:57] 오른쪽으로 가서

[10:58] samples Python을 클릭해보세요.

[10:59] 구글이 만든 샘플 AI 에이전트들을 볼 수 있습니다.

[11:02] 이 저장소에서 제공하는 것들은

[11:04] 이미 A2A와 호환됩니다.

[11:06] agents를 클릭하면

[11:08] Crew AI가 있는데, 이는 가장 유명한 프레임워크 중 하나입니다.

[11:10] langraph도 있고 Google ADK도 있습니다.

[11:13] Google ADK에 대한 영상을 원하시면

[11:14] 댓글로 남겨주세요.

[11:16] 다른 것들도 있지만

[11:18] 이 영상에서는 이 둘이 어떻게 통신하는지

[11:21] 보여드리겠습니다.

[11:22] 이것이 Crew AI용 에이전트이고

[11:24] 이것이 ADK용 에이전트입니다.

[11:26] 둘 다 수정할 건데

[11:31] cursor를 사용하겠습니다.

[11:33] 확장해보면

[11:34] 컨텍스트에 파일들을 추가하겠습니다.

[11:37] 에이전트 생성

[11:41] ADK...

[11:44] 이 파일들을 업데이트하겠습니다.

[11:46] Google ADK 에이전트라는 주석을 추가해서요.

[11:48] 이제 cursor에서 새 채팅을 열고

[11:50] 슬래시 add만 입력하면

[11:53] 열린 모든 파일이 컨텍스트에 추가됩니다.

[11:55] 이건 정말 중요한

[11:57] 강력한 단축키입니다.

[11:59] 사용하지 않으시면 정말 놓치는 겁니다.

[12:01] 두 에이전트 파일의 프롬프트를 업데이트해서

[12:04] Crew AI 에이전트는 간결하고 명확한 응답을 하고

[12:08] Google ADK 에이전트는 항상 자세한 설명과

[12:12] 상세한 추론을 제공하도록 하겠습니다.

[12:17] 모든 프롬프트에 대해 철저한 설명을 하도록요.

[12:20] 다시 한 번 강조하자면

[12:22] 에이전트 간 프로토콜은 미래를 위한 준비입니다.

[12:25] AI 에이전트가 중요해질 거라고

[12:26] 베팅하는 거죠.

[12:28] 우리 모두가 이미 그렇게 믿고 있겠지만

[12:30] AI 에이전트가 미래라는 걸요.

[12:32] 하지만 여기서 다른 점은

[12:33] 적절한 프레임워크를 선택하는 대신

[12:35] 이게 또 자주 받는 질문인데요.

[12:37] '어떤 프레임워크로 AI 에이전트를 만들어야 하나요?'

[12:39] 데이비드, 이제는 그게 중요하지 않습니다.

[12:41] 정말로 중요하지 않아요.

[12:42] A2A와 호환되게만 만든다면

[12:44] 다른 프레임워크의 에이전트들과

[12:47] 상호작용할 수 있습니다.

[12:48] 이것이 제가 이 영상에서

[12:51] 설정할 내용입니다.

[12:52] 잘 봐주세요.

[12:54] 좋아요. Gemini가 프롬프트를 업데이트하지 않았네요.

[12:56] 정말 이상하군요. 아무것도 하지 않았다고

[12:57] 말씀드리겠습니다. 프롬프트만 업데이트하고 다른 건 건드리지 마세요.

[13:01] 이런 일이 가끔 발생하는데,

[13:04] Gemini 2.5 Pro가 게을러서

[13:06] 작업을 수행하지 않을 때가 있죠.

[13:07] 이럴 때는 그냥

[13:09] Claude 3.7 Max로 전환하면 됩니다. 이런 문제가 없거든요.

[13:12] 왜 그런지는 모르겠지만요. 자,

[13:14] 여기 있네요. 첫 번째 파일을

[13:16] 업데이트하고 있습니다.

[13:17] 네, 수락하겠습니다. 이제 Create 에이전트입니다.

[13:21] 네, 프롬프트를 다시 생성했네요.

[13:24] 좋아 보이니 수락하겠습니다.

[13:26] 좋습니다. 다음 단계는 샘플을 실행하는 겁니다.

[13:28] 터미널을 다시 열어볼게요.

[13:31] 아, 실행이 완료됐네요.

[13:32] 요청한 패키지가 이미 다 설치되어 있습니다.

[13:34] 아주 좋네요. 터미널을 정리하고

[13:37] 이 폴더로 이동해야 합니다. 맞죠?

[13:39] samples/python-agent-ci로 이동합니다.

[13:42] samples/python-agent-ci로 들어가세요.

[13:45] ci 폴더 안에 있어야 합니다.

[13:47] 자, 다음으로 Google API 키가 필요합니다.

[13:49] 브라우저에 가서

[13:51] Google AI Studio를 검색하고, 구글 계정으로 로그인한 다음

[13:53] API 키 받기를 클릭하세요.

[13:55] API 키는 비밀번호처럼 다루셔야 합니다.

[13:58] 절대 다른 사람과 공유하지 마세요.

[14:01] 여기서 API 키 생성을 클릭하세요.

[14:03] 이제 여기서

[14:05] Google Cloud 프로젝트를 선택해야 합니다.

[14:06] 없다면 아주 쉽게 만들 수 있어요.

[14:08] 30초면 됩니다.

[14:10] 그리고 API 키 생성을 클릭하면

[14:12] 2초 만에 생성됩니다. 자, 복사하세요.

[14:14] 이 영상을 업로드하기 전에

[14:16] 제 키는 삭제할 거예요. 하지만 시간 있으시다면

[14:18] 시도해 보세요. 자, API 키를

[14:19] 복사했으면, Cursor로 돌아가서

[14:22] 환경 변수로 내보내야 합니다.

[14:24] 잘 보세요. echo를 입력하고

[14:26] 따옴표 안에 'GOOGLE_API_KEY='를 입력하고

[14:30] 키를 붙여넣은 다음 따옴표를

[14:33] 닫고 '> .env'를 입력하세요.

[14:36] 이 명령어를 실행하면

[14:38] 이 Create 폴더에 새로운 환경 파일이

[14:40] API 키가 포함된 채로

[14:42] 생성됩니다. 만약 터미널이

[14:43] 무서우시다면, 직접

[14:45] 폴더에서 새 파일 .env를 만드셔도 됩니다.

[14:48] API 키를 입력하고 붙여넣기 하면 되죠.

[14:50] 이제 터미널을 정리하고

[14:52] 'uv run .' 을 입력하고 엔터를 누르세요.

[14:58] Create 에이전트가 시작되고 있습니다.

[15:00] 이게 시작되는 동안

[15:02] 새 터미널을 열어서

[15:04] Google AD 에이전트를 시작할 건데요.

[15:06] 여기서는

[15:07] 다른 방법을 보여드리겠습니다.

[15:09] 폴더를 클릭하고 새 파일을 만듭니다.

[15:13] .env를 만들고 API 키를 붙여넣으세요.

[15:16] 이 새 터미널에서

[15:18] A2A 폴더로 이동해야 합니다.

[15:20] 오른쪽의 구조를 따라서요.

[15:21] Code는 제가 만든 폴더입니다.

[15:24] A2A는 GitHub에서 클론한 메인 폴더죠.

[15:26] 맞죠? A2A입니다. 이제

[15:29] Google ADK 폴더로 들어가야 하는데

[15:31] 이 명령어를 실행하면 됩니다.

[15:33] cd samples/python-agents/google-adk를 입력하세요.

[15:36] 자, 여기 폴더명이 보이네요.

[15:38] 터미널을 정리하고

[15:40] 이미 환경 변수를 추가했으니

[15:42] 환경 설정 파일을 수동으로 추가했기 때문에

[15:44] UV run 명령어만

[15:45] 실행하면 됩니다. 자, 이제

[15:49] Google ADK 에이전트가 시작되었습니다. 이제

[15:52] CA 에이전트와 Google ADK

[15:54] 에이전트가 모두 실행 중입니다. 테스트를 위해

[15:56] 브라우저를 열고 새 탭에서

[15:58] 에이전트가 실행 중인 로컬호스트

[16:00] 서버의 URL을 붙여넣으세요.

[16:02] CA는 10001번 포트이고, Agent SDK는

[16:06] 10002번 포트입니다. 이제

[16:08] well-known/agent.json으로 이동하여

[16:10] 에이전트의 JSON을 확인할 수 있습니다. 이것은

[16:13] 이미지 생성기 에이전트 설명으로,

[16:15] 고품질 이미지를 주문형으로 생성한다는

[16:16] 내용이 있네요. 다른 하나를 보면,

[16:18] 이것은 환급 처리 에이전트입니다.

[16:21] 이 에이전트는 직원들의

[16:23] 환급 처리를 담당합니다. 보시다시피

[16:25] 이것은 Google의 데모 예제일 뿐이지만,

[16:27] 상상력을 조금만 발휘해보면

[16:29] 이것이 어떤 AI 에이전트든

[16:31] 어떤 프레임워크나 기업의 것이든

[16:33] 이 프로토콜을 사용하여

[16:34] 서로 통신할 수 있다는 것을

[16:36] 알 수 있습니다. 이제

[16:38] 세 번째 터미널을 열고

[16:39] A2A로 다시 이동하겠습니다. 그리고

[16:42] 이 데모 폴더로 이동한 다음,

[16:44] 실제로는 demo UI로 이동해야 합니다.

[16:47] UI 폴더에서 마우스 오른쪽 버튼을 클릭하고

[16:51] Google이 만든 멋진 사용자 인터페이스를

[16:53] 사용할 수 있습니다. UI 폴더에서

[16:55] 마우스 오른쪽 버튼을 클릭하고

[16:57] env.local을 입력합니다. 여기서

[16:59] NEXT_PUBLIC_AGENT_URL을 설정하고

[17:01] 첫 번째 것은

[17:03] localhost:10001로 설정합니다. 터미널에서

[17:06] npm install을 실행합니다. 이제

[17:07] 두 번째 API 키를 추가할 건데, Google

[17:10] API 키를 추가하고 이전에 만든

[17:14] 동일한 값을 사용하겠습니다.

[17:16] 새로 만들 필요는 없습니다. 그리고

[17:18] 터미널에서

[17:19] uv run main.py를 입력합니다. 이렇게 하면

[17:23] Python UI가 실행됩니다. 98개의 패키지가

[17:26] 362밀리초만에 설치되었네요. 이것이

[17:29] UV의 힘입니다. 어쨌든, 이 서버가

[17:33] 이 URL에서 시작됩니다. 클릭해서 열어보죠.

[17:35] 이것이 바로 Google이 만든 UI입니다.

[17:38] 매우 단순합니다. API 키를

[17:40] 다시 요구하네요. 그래서

[17:42] 다시 입력하고 저장하겠습니다. 확대해보죠.

[17:45] 채팅을 열어보겠습니다. 아니,

[17:47] 사이드바를 열어보죠. 에이전트를 추가해야 합니다.

[17:49] 에이전트를 클릭하면 아직

[17:51] 없네요. 에이전트 주소를 클릭해야 합니다.

[17:53] 여기 두 개의 주소가 있습니다.

[17:55] 이 에이전트 주소를

[17:56] 여기에 복사하세요.

[17:59] 읽기... 아니요, 실제로는

[18:02] localhost만 필요합니다. 전체 주소는

[18:03] 필요 없고 localhost만 있으면 됩니다.

[18:06] 주소만 입력하세요.

[18:08] 읽기... 에이전트가 아직

[18:11] 실행 중인지 확인해보죠. 실행 중이네요.

[18:13] 왜 거부되는지 모르겠네요.

[18:14] HTTP 없이 localhost만 입력해보죠.

[18:17] 읽기... 아, 됐네요.

[18:18] localhost:10001로 입력해야 합니다.

[18:22] 이것이 이미지 생성기이고,

[18:24] CI에서 실행 중입니다. UI가 좀

[18:26] 불안정해 보이네요. Google... 누군가

[18:29] 더 나은 UI를 만들어야 할 것 같아요.

[18:31] 네, 좋은 작업은 아니었지만

[18:33] 그리고 다시 말하지만, 이제 막 출시되었어요.

[18:35] 이 모든 것들은 앞으로 더 나아질 거예요. 가장 중요한 건

[18:37] 이 표준이 가져올 영향을 이해하는 것입니다.

[18:40] 이런 표준이 필요했던 이유는

[18:42] 에이전트 분야에 너무 많은 혼란이

[18:44] 있었기 때문이에요. 그게 핵심이죠.

[18:47] 모든 세부사항들은 점차 개선될 거예요.

[18:49] 아시다시피,

[18:50] ChatGPT의 첫 버전도 지금과 비교하면

[18:52] 형편없었잖아요. 그러니까 이것도 마찬가지예요.

[18:54] A2A의 첫 번째 버전이니까요. 어쨌든,

[18:57] 이 에이전트를 저장할 건데요.

[18:58] 이제 첫 번째 에이전트가 여기 있네요.

[19:00] 두 번째를 추가해야 합니다.

[19:02] 자, 업로드 버튼을 다시 클릭하고

[19:04] 두 번째를 추가할 건데, 이전처럼

[19:07] 복잡하게 하지 않고 localhost 10002만 입력할게요.

[19:10] 보세요. 환급 에이전트가 나타났네요.

[19:13] 저장하면, 이제 두 개의 에이전트가

[19:15] 추가되었어요. 홈으로 가서

[19:16] 새 대화를 클릭하고 "어떤 AI 에이전트들을

[19:20] 사용할 수 있나요?"라고 물어볼 수 있어요.

[19:24] 엔터를 누르면... 좋아요.

[19:26] 다음과 같은 AI 에이전트들이 있네요.

[19:29] 이미지 생성기와 환급 에이전트예요.

[19:31] 그럼 '초록색 나는 고양이 이미지를 생성해줘'라고

[19:34] 말해볼게요. 물론, 이 AI 에이전트들은

[19:37] 더 나아질 수 있고 이건 그저 데모일 뿐이에요.

[19:39] 오해하지 마세요.

[19:42] "어머나, 데이비드, 왜

[19:43] 비즈니스 전체를 자동화하는

[19:45] AI 에이전트를 만들지 않았어요?"라고 하지 마세요.

[19:46] 당연히 이상적으로는 정말 유용한

[19:48] 에이전트 팀을 만들고 싶죠. 하지만

[19:51] 이 영상의 핵심은

[19:52] A2A 프로토콜을 이해하는 거예요.

[19:54] 지금까지 본 모든 관련 영상들은

[19:56] 실제 구현을 완전히 피했어요.

[19:58] 시작하는 방법도,

[19:59] 레포 클론하는 법도,

[20:00] 셋업하는 방법도 안 보여줬죠. 그냥

[20:03] 기본적인 내용만 읽고 어려운 부분은

[20:05] 전부 피했어요. 그게 차이점이에요.

[20:07] 저는 여러분에게 어려운 부분을

[20:08] 보여주고 싶었어요.

[20:10] 많은 오류가 있었지만, 모두 해결했고

[20:12] 이제 이 UI가 두 개의 에이전트와 함께

[20:14] 작동하고 있어요. 음, 이게 왜

[20:16] 멈춰있는지 모르겠네요. 아마도

[20:18] 이미지를 생성 중인 것 같아요. 참고로,

[20:20] HTTP 요청 주기를 변경할 수 있는데,

[20:23] 1초는 좀 과하거든요.

[20:24] 터미널을 보면 매초마다

[20:27] 요청을 보내고 있어요.

[20:29] 이건 너무 많은 요청이에요. 음,

[20:31] 이게 싫다면 그냥

[20:34] 5초로 바꾸세요.

[20:35] 그게 좋은 균형인 것 같아요. 어쨌든, 이게

[20:38] A2A 프로토콜이에요. 물론 UI는

[20:40] 개선될 거고, 모든 게 나아질 거예요.

[20:42] AI 에이전트들도 더 유용해질 거구요. 하지만

[20:44] 핵심은 어떤 프레임워크를

[20:46] 사용하든 상관없다는 거예요.

[20:47] 이게 핵심 포인트예요. 우리는

[20:49] 여기 CI에서 실행되는 하나의 AI 에이전트와

[20:52] Google SDK에서 실행되는 두 번째 에이전트가 있고

[20:57]

[20:57] 이들이 A2A 프로토콜을 통해

[21:00] 서로 통신할 수 있다는 거예요. 이게

[21:03] 핵심이고, 이것이 구글이

[21:05] 이 프로토콜로 이뤄낸 혁신이에요.

[21:06] 그리고 다시 말하지만, 여러분은

[21:09] langraph, LlamaIndex, Marvin, Semantic

[21:12] Kernel이나 다른 OpenAI 도구들도 사용할 수 있어요.

[21:15] 스웜이나 OpenAI Agents SDK 등

[21:18] A2A 프로토콜에 연결할 수 있는

[21:20] 모든 것을 사용할 수 있습니다.

[21:22] 자세한 내용은 공식 리포지토리를 확인하세요.

[21:24] 영상 아래에 링크를 첨부할 예정입니다.

[21:25] 구글의 공식 문서를 꼭 읽어보시길 바랍니다.

[21:28] 사실 이 주제로만

[21:29] 여러 영상을 만들 수 있을 정도예요.

[21:31] A2A 프로토콜에 대해

[21:33] 더 많은 영상을 원하시면 댓글로 알려주세요.

[21:35] 아직 다루지 않은 내용이 많습니다.

[21:37] 더 고급 개념들도 있는데

[21:39] 지금은 에이전트 카드,

[21:40] A2A 서버, 클라이언트, 태스크만 다뤘죠.

[21:43] 하지만 이게 AI 에이전트의 미래입니다.

[21:45] 이 개념을 이해하고

[21:47] 이것이 시작점이라는 걸 아는 것이

[21:49] 중요합니다.

[21:51] 이제 막 시작하는 첫 달입니다.

[21:53] A2A 프로토콜의 시작점이에요.

[21:55] 앞으로 더욱 발전하고 사용하기 쉬워질 것이며,

[21:58] UI도 더 좋아질 것입니다.

[22:00] 세부적인 것들은 걱정하지 마세요.

[22:02] 에러나 디테일에 너무 신경 쓰지 마시고

[22:04] 큰 그림을 보세요.

[22:05] 3개월, 6개월, 12개월 후를 내다보고

[22:07] 상상해보세요.

[22:09] 지난 3개월간의 발전 속도만 봐도

[22:12] 엄청났잖아요?

[22:13] 3개월 전만 해도

[22:15] MCP를 쓰는 사람이 거의 없었어요.

[22:16] 제가 MCP 첫 영상을 올린 게 4개월 전인데,

[22:18] 그건 제가 일찍 시작했기 때문이죠.

[22:20] 그래서 이 채널을 보시는 분들도

[22:22] A2A와 앞으로 나올

[22:24] 혁신적인 기술들을 일찍 접하실 수 있을 겁니다.

[22:27] 다시 한 번 말씀드리지만,

[22:28] A2A에 대한 추가 영상을 원하시면

[22:31] 더 심화된 내용이나

[22:33] 고급 에이전트 팀 구축 방법 등

[22:35] 원하시는 주제를 댓글로 남겨주세요.

[22:37] 그리고 현재 태스크 매니저나

[22:38] 생산성 앱을 사용하고 계신다면

[22:41] Vectal로 전환하세요.

[22:43] 앞으로 많은 시간을 절약하실 수 있습니다.

[22:44] 아직 태스크 관리 도구를 사용하지 않으신다면,

[22:47] 시작하시는 게 좋습니다.

[22:48] 할 일 목록은 어딘가에 있어야 하죠.

[22:50] 그리고 그걸 관리하실 거라면,

[22:51] Vector가 완벽한 선택입니다.

[22:52] 세계 최고의 AI 모델을 기반으로 한

[22:54] 고급 AI 에이전트들이 Vector 안에서

[22:56] 작동하고 있기 때문입니다.

[22:58] vector.ai에 방문하셔서

[23:00] 가입하세요. 완전히 무료입니다.

[23:02] 하지만 심각한 사용자라면,

[23:04] Vector Pro로 업그레이드하셔서

[23:05] 최고의 모델들과

[23:07] 백그라운드 실행, 무제한 사고,

[23:08] 울트라 검색 등 모든 기능을

[23:10] 사용해보세요. Vector.ai에 방문하셔서

[23:12] 한번 시도해보세요.

[23:14] 시청해주셔서 감사합니다.

[23:15] 새로운 것을 배우셨길 바라며,

[23:17] 다음에 또 만나요. 안녕히 계세요.